GridSearchCV函数解析

GridSearchCV函数是sklearn库中的一种网格搜索算法，可以用于对模型的超参数进行调优。

函数的主要参数包括：

1. estimator：使用的分类器，比如RandomForestClassifier()。

2. param_grid：需要优化的参数字典，比如{'n_estimators': [10, 20, 30]}。

3. scoring：模型评价标准，默认为None，即使用estimator的误差估计函数。

4. cv：交叉验证参数，默认为None，使用默认的3折交叉验证。

5. n_jobs：并行数，int类型，-1表示使用全部处理器。

6. verbose：日志冗长度，int类型。

7. refit：默认为True，程序将在搜索参数结束后，用最佳参数结果再次fit一遍全部数据集。

函数的返回值包括：

1. best_params_：最佳参数的组合。

2. best_score_：最佳结果得分。

3. best_estimator_：最佳模型。

示例代码如下：

from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestClassifier

param_grid = {
    'n_estimators': [10, 20, 30],
    'max_depth': [5, 10, 15]
}
rfc = RandomForestClassifier()
clf = GridSearchCV(rfc, param_grid=param_grid, cv=3)
clf.fit(X_train, y_train)
print(clf.best_params_)
print(clf.best_score_)
print(clf.best_estimator_)